基于禁忌搜索和負(fù)載均衡的云計(jì)算任務(wù)調(diào)度方法
【專利摘要】本發(fā)明涉及一種基于禁忌搜索和負(fù)載均衡的云計(jì)算任務(wù)調(diào)度方法，基于最早完成時(shí)間的啟發(fā)式優(yōu)先分配策略求得任務(wù)調(diào)度的初始解；然后基于禁忌搜索作為指導(dǎo)性鄰域搜索優(yōu)化策略產(chǎn)生候選交換任務(wù)對，并采用貪心原則選擇收益值大的任務(wù)對進(jìn)行交換，優(yōu)化任務(wù)調(diào)度的初始解，從而最大程度地縮短整個(gè)任務(wù)完成的時(shí)間跨度。采用本發(fā)明的基于禁忌搜索和負(fù)載均衡的云計(jì)算任務(wù)調(diào)度方法，不僅僅有效地提高了任務(wù)調(diào)度的效率，實(shí)現(xiàn)了云計(jì)算平臺(tái)的負(fù)載均衡，還顯著地減少資源空閑時(shí)間，提高資源的利用效益，具有較好的實(shí)用性。
【專利說明】基于禁忌搜索和負(fù)載均衡的云計(jì)算任務(wù)調(diào)度方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種云計(jì)算環(huán)境下的基于禁忌搜索和負(fù)載均衡的云計(jì)算任務(wù)調(diào)度方 法。

【背景技術(shù)】
[0002] 云計(jì)算作為分布式計(jì)算、并行計(jì)算、網(wǎng)格計(jì)算等傳統(tǒng)技術(shù)和網(wǎng)絡(luò)編程模型、分布式 數(shù)據(jù)存儲(chǔ)技術(shù)、虛擬化技術(shù)等新型技術(shù)融合發(fā)展的產(chǎn)物，是引領(lǐng)信息產(chǎn)業(yè)創(chuàng)新的關(guān)鍵戰(zhàn)略 性技術(shù)和手段，對我國發(fā)展高新技術(shù)產(chǎn)業(yè)具有重要的戰(zhàn)略意義。云計(jì)算通過將計(jì)算任務(wù)劃 分在大規(guī)模的廉價(jià)服務(wù)器集群上，使得人們能夠利用分布在各地的閑散資源來處理較為復(fù) 雜的應(yīng)用程序，W極低的成本投入獲得極高的計(jì)算品質(zhì)。
[0003] 云計(jì)算環(huán)境下任務(wù)調(diào)度的實(shí)質(zhì)是將n個(gè)相互獨(dú)立的任務(wù)分配到m個(gè)閑散異構(gòu)的物 理資源上，使得總?cè)蝿?wù)完成時(shí)間最小并且可用資源得到充分利用。任務(wù)調(diào)度作為云計(jì)算平 臺(tái)的重要組成部分，其效率直接影響到整個(gè)云計(jì)算平臺(tái)的性能和服務(wù)質(zhì)量。例如，順序任務(wù) 調(diào)度方法把一組任務(wù)順序分配給一組虛擬機(jī)，盡量保證每個(gè)虛擬機(jī)運(yùn)行相同數(shù)量的任務(wù)W 平衡負(fù)載，但沒有考慮任務(wù)的需求和虛擬機(jī)之間的差別。任務(wù)調(diào)度問題已經(jīng)被證明是一個(gè) NP完全問題，在Hf個(gè)可能任務(wù)調(diào)度的解空間尋找近似最優(yōu)解，使得總?cè)蝿?wù)的執(zhí)行時(shí)間和負(fù) 載均衡度最小，其中執(zhí)行時(shí)間最小是為了提高服務(wù)質(zhì)量，負(fù)載均衡度最小是為了保證云環(huán) 境的穩(wěn)定性。
[0004] 本發(fā)明涉及的云計(jì)算環(huán)境中任務(wù)調(diào)度是指元任務(wù)的調(diào)度，即任務(wù)之間相互獨(dú)立， 其調(diào)度不考慮任務(wù)間的數(shù)據(jù)關(guān)聯(lián)與優(yōu)先約束關(guān)系。目前，云計(jì)算的任務(wù)調(diào)度方法還未形成 統(tǒng)一的標(biāo)準(zhǔn)和規(guī)范，但由于該問題的重要性，國內(nèi)外研究者提出了大量的云計(jì)算任務(wù)調(diào)度 方法來計(jì)算任務(wù)調(diào)度的近似最優(yōu)解，既有傳統(tǒng)網(wǎng)格計(jì)算中的Min-Min、Max-Min、動(dòng)態(tài)規(guī)劃等 啟發(fā)式調(diào)度方法，也有基于遺傳算法、粒子群算法、蟻群算法、免疫算法和差分進(jìn)化算法等 智能調(diào)度方法。其中，傳統(tǒng)啟發(fā)式調(diào)度方法的Min-Min算法采用先易后難的策略，先執(zhí)行完 成時(shí)間短的任務(wù)，然后執(zhí)行完成時(shí)間長的任務(wù)，并采取貪也策略把每個(gè)任務(wù)優(yōu)先指派給執(zhí) 行它最早完成的計(jì)算資源；Max-Min算法則恰恰相反，采用先難后易和貪也策略，每次選取 完成時(shí)間最長的任務(wù)，優(yōu)先指派給執(zhí)行它最早完成的計(jì)算資源。傳統(tǒng)啟發(fā)式調(diào)度方法W最 早完成時(shí)間為目標(biāo)進(jìn)行調(diào)度，有著較好的負(fù)載均衡性能，但總?cè)蝿?wù)的實(shí)際執(zhí)行時(shí)間并非最 少。智能調(diào)度方法通過對任務(wù)調(diào)度方案的編碼，并依據(jù)遺傳算法、粒子群算法、蟻群算法、免 疫算法和差分進(jìn)化算法等智能算法思想，在Hf大小的解空間多樣性搜索和集中性搜索之間 建立平衡，最終有效地降低了任務(wù)的執(zhí)行時(shí)間。然而，智能調(diào)度方法在進(jìn)行海量任務(wù)調(diào)度過 程中，易陷入局部最優(yōu)解，在收斂速度和負(fù)載均衡方面的效果有待提高。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于針對已有技術(shù)存在的不足，提供一種基于禁忌搜索和負(fù)載均衡 的云計(jì)算任務(wù)調(diào)度方法，解決云計(jì)算環(huán)境下任務(wù)調(diào)度中執(zhí)行時(shí)間和負(fù)載均衡的優(yōu)化問題， 有效地縮短了任務(wù)完成的時(shí)間跨度，實(shí)現(xiàn)了云計(jì)算資源的合理利用，為云計(jì)算提供高效的 任務(wù)調(diào)度機(jī)制。為達(dá)到上述目的，本發(fā)明的構(gòu)思如下。
[0006] -、在云計(jì)算環(huán)境下的負(fù)載均衡任務(wù)調(diào)度問題的形式化描述基礎(chǔ)上，通過動(dòng)態(tài)規(guī) 劃方法的形式化推導(dǎo)得到最早完成時(shí)間的啟發(fā)式優(yōu)先分配策略，并基于該分配策略求得任 務(wù)調(diào)度的初始解。
[0007] 二、借助任務(wù)交換的收益值概念，基于禁忌搜索作為指導(dǎo)性鄰域搜索優(yōu)化策略來 產(chǎn)生候選交換任務(wù)對，采用貪也原則選擇收益值大的任務(wù)對進(jìn)行交換，優(yōu)化任務(wù)調(diào)度的初 始解，從而最大程度地縮短整個(gè)任務(wù)完成的時(shí)間跨度，并實(shí)現(xiàn)云計(jì)算平臺(tái)的負(fù)載均衡。任務(wù) 調(diào)度的初始解優(yōu)化作為云計(jì)算任務(wù)調(diào)度機(jī)制的關(guān)鍵環(huán)節(jié)，其結(jié)果對整個(gè)云計(jì)算環(huán)境的運(yùn)行 效率有著重要的影響，可有效地減少資源空閑時(shí)間，提高資源的利用效益。
[0008] 根據(jù)上述的發(fā)明構(gòu)思，本發(fā)明的技術(shù)方案是該樣實(shí)現(xiàn)的：一種基于多水平劃分法 和賦權(quán)有向超圖的云計(jì)算任務(wù)調(diào)度方法，其特征在于，具體步驟如下。
[0009] 步驟1，類型類度分析，輸入云計(jì)算環(huán)境下用戶提交的任務(wù)，并對其進(jìn)行類型和類 度的分析，確定任務(wù)的并行化程度及特點(diǎn)。
[0010] 步驟2,進(jìn)程粒度分解，根據(jù)用戶任務(wù)的并行化程度及特點(diǎn)，W及云計(jì)算的資源共 享分配方式等獨(dú)特性質(zhì)，對用戶任務(wù)按照進(jìn)程粒度級別進(jìn)行分解。
[0011] 步驟3,資源特性分析，根據(jù)云計(jì)算的資源共享分配方式等獨(dú)特性質(zhì)，對分解后的 任務(wù)進(jìn)行資源特性分析。
[0012] 步驟4,求解任務(wù)調(diào)度初始解，依據(jù)對任務(wù)資源特性的分析結(jié)果，建立描述其資源 需求模型，進(jìn)而基于該模型求得任務(wù)調(diào)度的初始解。
[0013] 步驟5,優(yōu)化任務(wù)調(diào)度初始解，優(yōu)化任務(wù)調(diào)度初始解，縮短總?cè)蝿?wù)的最遲完成時(shí)間 并改善虛擬機(jī)的負(fù)載均衡性能，得到任務(wù)調(diào)度的優(yōu)化解。
[0014] 步驟6,任務(wù)映射調(diào)度，通過MapRe化Ce任務(wù)調(diào)度模型，對任務(wù)調(diào)度的優(yōu)化解進(jìn)行 映射和調(diào)度，實(shí)現(xiàn)在云計(jì)算環(huán)境中的任務(wù)提交與執(zhí)行，有效地均衡云計(jì)算平臺(tái)的負(fù)載和縮 短整個(gè)任務(wù)完成的時(shí)間跨度。
[0015] 上述的步驟4中，所述的求解任務(wù)調(diào)度初始解的步驟如下。
[0016] 步驟4.1，基于資源需求模型給出的任務(wù)指令長度和虛擬機(jī)每砂執(zhí)行指令條數(shù)，計(jì) 算任務(wù)集合r中/7個(gè)任務(wù)在虛擬機(jī)集合^#的?個(gè)虛擬機(jī)上的預(yù)期執(zhí)行時(shí)間，得到/7Xw的 預(yù)期執(zhí)行時(shí)間矩陣G其中預(yù)期執(zhí)行時(shí)間Cy表示第i個(gè)任務(wù)在第J個(gè)虛擬機(jī)上執(zhí)行的時(shí)間， 等于第i個(gè)任務(wù)的指令長度除W第J個(gè)虛擬機(jī)的每砂執(zhí)行指令條數(shù)。
[0017] 步驟4. 2,初始化m個(gè)虛擬機(jī)的當(dāng)前負(fù)載數(shù)組為零，即在開始分配任務(wù)之 前任何虛擬機(jī)的當(dāng)前負(fù)載為零。
[0018] 步驟4. 3,順序訪問任務(wù)集合r中的每個(gè)任務(wù)，基于最早完成時(shí)間的啟發(fā)式優(yōu)先分 配策略，依次將第A個(gè)任務(wù)分配給具有最早完成時(shí)間的虛擬機(jī)上，直至所有任務(wù)分配結(jié)束 后得到任務(wù)調(diào)度的初始解。
[0019] 上述的步驟5中，所述的優(yōu)化任務(wù)調(diào)度初始解的步驟如下。
[0020] 步驟5. 1，初始化任務(wù)集合r中/7個(gè)任務(wù)的禁忌數(shù)組./7]為零，即允許所有 的任務(wù)被交換。
[0021] 步驟5. 2,基于禁忌搜索和貪也原則選擇收益值大的任務(wù)對進(jìn)行交換，直至無法減 少總?cè)蝿?wù)的最遲完成時(shí)間。
[0022] 上述的步驟4. 3中，所述的基于最早完成時(shí)間的啟發(fā)式優(yōu)先分配策略將第A個(gè)任 務(wù)分配給具有最早完成時(shí)間的虛擬機(jī)上步驟如下。
[0023] 步驟4. 3. 1，依據(jù)?個(gè)虛擬機(jī)的當(dāng)前負(fù)載數(shù)組W[l..曲]和預(yù)期執(zhí)行時(shí)間矩陣C，計(jì) 算出第A個(gè)任務(wù)分配至各個(gè)虛擬機(jī)相應(yīng)的時(shí)間跨度waAewan，其中第J個(gè)虛擬機(jī)的時(shí)間 跨度為第J個(gè)虛擬機(jī)的當(dāng)前負(fù)載數(shù)組W 與第A個(gè)任務(wù)在第J個(gè)虛擬機(jī)的執(zhí)行時(shí)間 Cy之和。
[0024] 步驟4. 3. 2,查找出時(shí)間跨度最小的虛擬機(jī)啤
[00巧]步驟4. 3. 3,分配任務(wù)至虛擬機(jī)更新殖,虛擬機(jī)負(fù)載W b]為第J個(gè)虛擬 機(jī)的當(dāng)前負(fù)載數(shù)組W Dr]與第A個(gè)任務(wù)在第X個(gè)虛擬機(jī)的執(zhí)行時(shí)間之和。
[0026] 上述的步驟5. 2中，所述的基于禁忌搜索和貪也原則選擇收益值大的任務(wù)對進(jìn) 行交換步驟如下。
[0027] 步驟5. 2. 1，基于ffl個(gè)虛擬機(jī)的負(fù)載數(shù)組W [1..曲]，查找出負(fù)載最大的虛擬機(jī) 和負(fù)載最小的虛擬機(jī)心
[0028] 步驟5. 2. 2,如果分配至負(fù)載最大的虛擬機(jī)的所有任務(wù)被禁止交換，則任務(wù)交 換結(jié)束并得到任務(wù)調(diào)度的優(yōu)化解，轉(zhuǎn)步驟6 ;否則在虛擬機(jī)選擇一個(gè)允許被交換的任務(wù) 并將該任務(wù)對應(yīng)的禁忌標(biāo)志知/的=0修改為知/的=1。
[0029] 步驟5. 2. 3,如果分配至負(fù)載最小的虛擬機(jī)殖,所有的任務(wù)被禁止交換，則任務(wù)交 換結(jié)束并得到任務(wù)調(diào)度的優(yōu)化解，轉(zhuǎn)步驟6 ;否則在虛擬機(jī)計(jì)算出所有允許被交換的任 務(wù)與任務(wù)交換之后的收益值。如果計(jì)算出的所有任務(wù)對的交換收益值為負(fù)，跳過步驟 5. 2. 4、5. 2. 5、5. 2. 6和5. 2. 7,繼續(xù)循環(huán)執(zhí)行步驟5. 2. 1，否則執(zhí)行步驟5. 2. 4。
[0030] 步驟5. 2. 4,選擇交換收益值最大的任務(wù)對Uj, f,)交換，即任務(wù)被交換至虛擬 機(jī)WV上執(zhí)行且任務(wù)被交換至虛擬機(jī)上執(zhí)行。如果交換后虛擬機(jī)的新負(fù)載大于 虛擬機(jī)勺原負(fù)載，跳過步驟5. 2. 5、5. 2. 6和5. 2. 7,繼續(xù)循環(huán)執(zhí)行步驟5. 2. 1，否則執(zhí)行 步驟5. 2. 5。
[0031] 步驟5. 2. 5,修改任務(wù)的禁忌標(biāo)志[7] =1。
[00礎(chǔ)步驟5. 2. 6,更新啤虛擬機(jī)負(fù)載W W =W W +C [003引步驟5. 2. 7,更新F曲'虛擬機(jī)負(fù)載W [f] =W [f] +C妙-C如。
[0034] 本發(fā)明與現(xiàn)有技術(shù)相比較，具有如下顯而易見的突出實(shí)質(zhì)性特點(diǎn)和顯著優(yōu)點(diǎn)。
[00巧]1、提高了任務(wù)調(diào)度的效率。
[0036] 本發(fā)明的基于禁忌搜索和負(fù)載均衡的云計(jì)算任務(wù)調(diào)度方法，借助任務(wù)交換的收 益值概念，基于禁忌搜索作為指導(dǎo)性鄰域搜索優(yōu)化策略來產(chǎn)生候選交換任務(wù)對，采用貪也 原則選擇收益值大的任務(wù)對進(jìn)行交換，對任務(wù)調(diào)度的初始解優(yōu)化后再進(jìn)行任務(wù)的映射和調(diào) 度，從而有效地提高了任務(wù)調(diào)度的效率，縮短了任務(wù)完成的時(shí)間跨度，實(shí)現(xiàn)了云計(jì)算資源的 合理利用，為云計(jì)算提供高效的任務(wù)調(diào)度機(jī)制。
[0037] 通過W下對本發(fā)明基于禁忌搜索和負(fù)載均衡的云計(jì)算任務(wù)調(diào)度方法的實(shí)例結(jié)合 其附圖的描述，可W進(jìn)一步理解本發(fā)明的目的、具體結(jié)構(gòu)特征和優(yōu)點(diǎn)。
[0038] 圖1是基于禁忌搜索和負(fù)載均衡的云計(jì)算任務(wù)調(diào)度方法的流程圖。
[0039] 圖2是基于最早完成時(shí)間的啟發(fā)式優(yōu)先分配策略求解任務(wù)調(diào)度初始解的流程圖。
[0040] 圖3是基于禁忌搜索和貪也原則優(yōu)化任務(wù)調(diào)度初始解的流程圖。

【具體實(shí)施方式】 [0041] 。
[0042] 為了能夠更清楚地理解本發(fā)明基于禁忌搜索和負(fù)載均衡的云計(jì)算任務(wù)調(diào)度方法 的技術(shù)內(nèi)容，特舉W下實(shí)例詳細(xì)說明。
[0043] 本實(shí)施例的基于禁忌搜索和負(fù)載均衡的云計(jì)算任務(wù)調(diào)度方法的流程圖如圖1所 示。在云計(jì)算環(huán)境下，輸入用戶提交的任務(wù)101，對用戶任務(wù)進(jìn)行類型和類度的分析102,確 定任務(wù)的并行化程度和特點(diǎn)；根據(jù)用戶任務(wù)的并行化程度和特點(diǎn)，W及云計(jì)算的資源共享 分配方式等獨(dú)特性質(zhì)，對用戶任務(wù)按照進(jìn)程粒度級別進(jìn)行分解103 ;進(jìn)而對分解后的任務(wù) 進(jìn)行資源特性分析104 ;依據(jù)對任務(wù)資源特性的分析結(jié)果，建立描述其資源需求，進(jìn)而基于 該模型求得任務(wù)調(diào)度的初始解105 ;優(yōu)化任務(wù)調(diào)度初始解，縮短總?cè)蝿?wù)的最遲完成時(shí)間并 改善虛擬機(jī)的負(fù)載均衡性能，得到任務(wù)調(diào)度的優(yōu)化解106 ;通過MapRe化Ce任務(wù)調(diào)度模型， 對任務(wù)調(diào)度的優(yōu)化解進(jìn)行映射和調(diào)度107 ;在云計(jì)算環(huán)境中，對調(diào)度完成的任務(wù)提交與執(zhí) 行108,從而有效地縮短整個(gè)任務(wù)完成的時(shí)間跨度并均衡云計(jì)算平臺(tái)的負(fù)載。
[0044] 本發(fā)明闡述了云計(jì)算環(huán)境下的負(fù)載均衡任務(wù)調(diào)度問題的相關(guān)定義如下。
[0045] 定義1 ;假設(shè)云計(jì)算環(huán)境下，用戶提交作業(yè)分解成n個(gè)任務(wù)的集合，且任務(wù) 之間相互獨(dú)立，其調(diào)度不需要考慮任務(wù)間的數(shù)據(jù)關(guān)聯(lián)與優(yōu)先約束關(guān)系，定義任務(wù)集合 T =挺,…擊…，*}，其中ti為分解成的第i個(gè)任務(wù)(|-二1_2_…，n)，n為分解后的任務(wù)數(shù)量，且 第i個(gè)任務(wù)ti的總指令長度為MIi。
[0046] 定義2 ;假設(shè)云計(jì)算環(huán)境下，有m個(gè)虛擬資源的集合參加任務(wù)調(diào)度，且虛擬 資源通過虛擬機(jī)方式提供，即虛擬資源為云計(jì)算集群中的虛擬機(jī)。定義虛擬機(jī)集合 1?# = ^(|*1、--,?14,---,1?化}，其中乂111^為第^'個(gè)虛擬機(jī)資源^ = 13-.,口1)，111為虛擬機(jī)數(shù)量， 且第j個(gè)虛擬機(jī)vnij.的指令執(zhí)行速度（每砂執(zhí)行指令條數(shù)）為MIPSj.。
[0047] 定義3 ;假設(shè)分解后的任務(wù)數(shù)量n不小于虛擬機(jī)資源數(shù)量m (n > m)，每個(gè)任務(wù)只 能分配給一個(gè)虛擬機(jī)執(zhí)行，且在某一時(shí)間段一個(gè)虛擬機(jī)只能執(zhí)行一個(gè)任務(wù)，不能同時(shí)執(zhí)行 多個(gè)任務(wù)。定義n個(gè)不同的任務(wù)調(diào)度到m個(gè)不同的虛擬機(jī)上的預(yù)期執(zhí)行時(shí)間C是一個(gè)nXm 的矩陣，其中Cu表示第i個(gè)任務(wù)ti在第j個(gè)虛擬機(jī)vnij.上執(zhí)行的時(shí)間與=Mf,/MTP馬，即 預(yù)期執(zhí)行時(shí)間Cu為任務(wù)ti的總指令長度MIi除W虛擬機(jī)vmj的每砂執(zhí)行指令條數(shù)MIPSj。 [004引定義4;定義n個(gè)不同任務(wù)T=托1-A…調(diào)度到m個(gè)不同虛擬機(jī) W = ?[?巧,…,WqJ上所有可能的任務(wù)分配方案集為K。定義代表任務(wù)分配方案 集K中的一種分配方案，即一個(gè)nXm的矩陣。其中，Xy表示為任務(wù)ti與虛擬機(jī)vnij.的分配 關(guān)系'且JfjE巧1} '封=1,叫化"刮' J-E【化耐。即如果任務(wù)分配在虛擬機(jī) VIHj上執(zhí)行，則Xy=I,否則Xu=Od
[0049] 定義5 ;對于某任務(wù)分配方案X，定義虛擬機(jī)的當(dāng)前負(fù)載巧W為當(dāng)前狀態(tài)下 (前k-1個(gè)任務(wù)分配完畢的狀態(tài)），分配給第j個(gè)虛擬機(jī)vnij.的所有任務(wù)所需執(zhí)行時(shí)間，即

【權(quán)利要求】
1. 一種基于禁忌搜索和負(fù)載均衡的云計(jì)算任務(wù)調(diào)度方法，其特征在于，具體步驟如 下： 步驟1，類型類度分析，輸入云計(jì)算環(huán)境下用戶提交的任務(wù)，并對其進(jìn)行類型和類度的 分析，確定任務(wù)的并行化程度及特點(diǎn)； 步驟2,進(jìn)程粒度分解，根據(jù)用戶任務(wù)的并行化程度及特點(diǎn)，以及云計(jì)算的資源共享分 配方式等獨(dú)特性質(zhì)，對用戶任務(wù)按照進(jìn)程粒度級別進(jìn)行分解； 步驟3,資源特性分析，根據(jù)云計(jì)算的資源共享分配方式等獨(dú)特性質(zhì)，對分解后的任務(wù) 進(jìn)行資源特性分析； 步驟4,求解任務(wù)調(diào)度初始解，依據(jù)對任務(wù)資源特性的分析結(jié)果，建立描述其資源需求 模型，進(jìn)而基于該模型求得任務(wù)調(diào)度的初始解； 步驟5,優(yōu)化任務(wù)調(diào)度初始解，優(yōu)化任務(wù)調(diào)度初始解，縮短總?cè)蝿?wù)的最遲完成時(shí)間并改 善虛擬機(jī)的負(fù)載均衡性能，得到任務(wù)調(diào)度的優(yōu)化解； 步驟6,任務(wù)映射調(diào)度，通過MapReduce任務(wù)調(diào)度模型，對任務(wù)調(diào)度的優(yōu)化解進(jìn)行映射 和調(diào)度，實(shí)現(xiàn)在云計(jì)算環(huán)境中的任務(wù)提交與執(zhí)行，有效地均衡云計(jì)算平臺(tái)的負(fù)載和縮短整 個(gè)任務(wù)完成的時(shí)間跨度； 上述的步驟4中，所述的求解任務(wù)調(diào)度初始解的步驟如下； 步驟4. 1，基于資源需求模型給出的任務(wù)指令長度和虛擬機(jī)每秒執(zhí)行指令條數(shù)，計(jì)算任 務(wù)集合7中個(gè)任務(wù)在虛擬機(jī)集合的》個(gè)虛擬機(jī)上的預(yù)期執(zhí)行時(shí)間，得到/?X?的預(yù)期 執(zhí)行時(shí)間矩陣G其中預(yù)期執(zhí)行時(shí)間Cu表示第i個(gè)任務(wù)在第J個(gè)虛擬機(jī)上執(zhí)行的時(shí)間，等 于第i個(gè)任務(wù)的指令長度除以第J個(gè)虛擬機(jī)的每秒執(zhí)行指令條數(shù)； 步驟4. 2,初始化m個(gè)虛擬機(jī)的當(dāng)前負(fù)載數(shù)組#[1. .?]為零，即在開始分配任務(wù)之前任 何虛擬機(jī)的當(dāng)前負(fù)載為零； 步驟4. 3,順序訪問任務(wù)集合7中的每個(gè)任務(wù)，基于最早完成時(shí)間的啟發(fā)式優(yōu)先分配策 略，依次將第A個(gè)任務(wù)分配給具有最早完成時(shí)間的虛擬機(jī)上，直至所有任務(wù)分配結(jié)束后得 到任務(wù)調(diào)度的初始解； 上述的步驟5中，所述的優(yōu)化任務(wù)調(diào)度初始解的步驟如下； 步驟5. 1，初始化任務(wù)集合7中個(gè)任務(wù)的禁忌數(shù)組./?]為零，即允許所有的任 務(wù)被交換； 步驟5. 2,基于禁忌搜索和貪心原則選擇收益值大的任務(wù)對進(jìn)行交換，直至無法減少總 任務(wù)的最遲完成時(shí)間； 上述的步驟4. 3中，所述的基于最早完成時(shí)間的啟發(fā)式優(yōu)先分配策略將第A個(gè)任務(wù)分 配給具有最早完成時(shí)間的虛擬機(jī)上步驟如下； 步驟4. 3. 1，依據(jù)《個(gè)虛擬機(jī)的當(dāng)前負(fù)載數(shù)組代[1. .?]和預(yù)期執(zhí)行時(shí)間矩陣G計(jì)算出 第左個(gè)任務(wù)G分配至各個(gè)虛擬機(jī)相應(yīng)的時(shí)間跨度?^￡^73/7,其中第J個(gè)虛擬機(jī)的時(shí)間跨度 為第個(gè)虛擬機(jī)的當(dāng)前負(fù)載數(shù)組#[/]與第々個(gè)任務(wù)G在第個(gè)虛擬機(jī)的執(zhí)行時(shí)間之 和； 步驟4. 3. 2,查找出時(shí)間跨度最小的虛擬機(jī); 步驟4. 3. 3,分配任務(wù)G至虛擬機(jī)，更新虛擬機(jī)負(fù)載代Dr]為第個(gè)虛擬機(jī)的 當(dāng)前負(fù)載數(shù)組代Dr]與第々個(gè)任務(wù)G在第Z個(gè)虛擬機(jī)的執(zhí)行時(shí)間之和； 上述的步驟5. 2中，所述的基于禁忌搜索和貪心原則選擇收益值大的任務(wù)對進(jìn)行交換 步驟如下； 步驟5. 2. 1，基于》個(gè)虛擬機(jī)的負(fù)載數(shù)組代[1. .?]，查找出負(fù)載最大的虛擬機(jī)和負(fù) 載最小的虛擬機(jī); 步驟5. 2. 2,如果分配至負(fù)載最大的虛擬機(jī)的所有任務(wù)被禁止交換，則任務(wù)交換結(jié) 束并得到任務(wù)調(diào)度的優(yōu)化解，轉(zhuǎn)步驟6 ;否則在虛擬機(jī)選擇一個(gè)允許被交換的任務(wù)&并 將該任務(wù)G對應(yīng)的禁忌標(biāo)志teto|>]=0修改為; 步驟5. 2. 3,如果分配至負(fù)載最小的虛擬機(jī)所有的任務(wù)被禁止交換，則任務(wù)交換結(jié) 束并得到任務(wù)調(diào)度的優(yōu)化解，轉(zhuǎn)步驟6 ;否則在虛擬機(jī)計(jì)算出所有允許被交換的任務(wù)與 任務(wù)G交換之后的收益值；如果計(jì)算出的所有任務(wù)對的交換收益值為負(fù)，跳過步驟5. 2. 4、 5. 2. 5、5. 2. 6和5. 2. 7,繼續(xù)循環(huán)執(zhí)行步驟5. 2. 1，否則執(zhí)行步驟5. 2. 4 ; 步驟5. 2. 4,選擇交換收益值最大的任務(wù)對U7，G)交換，即任務(wù)G被交換至虛擬機(jī) 上執(zhí)行且任務(wù)^被交換至虛擬機(jī)?上執(zhí)行；如果交換后虛擬機(jī)的新負(fù)載大于虛擬 機(jī)的原負(fù)載，跳過步驟5. 2. 5、5. 2. 6和5. 2. 7,繼續(xù)循環(huán)執(zhí)行步驟5. 2. 1，否則執(zhí)行步驟 5. 2. 5 ； 步驟5. 2. 5,修改任務(wù)的禁忌標(biāo)志teto|7]=l ; 步驟5. 2. 6,更新虛擬機(jī)負(fù)載代Dr]=代Dr] ; 步驟5. 2. 7,更新f?,虛擬機(jī)負(fù)載代[f]=代[f]
【文檔編號(hào)】G06F9/48GK104331321SQ201410527189
【公開日】2015年2月4日 申請日期:2014年10月9日 優(yōu)先權(quán)日:2014年10月9日
【發(fā)明者】孫凌宇, 冷明, 冷子陽 申請人:冷明, 孫凌宇, 冷子陽